|
|
|
|
|
|
|
Nous discutons dans cette présentation une approche originale d'estimation du coefficient de mémoire d'une série temporelle stationnaire à longue portée. A l'inverse des méthodes à "bande étroite" ou "locale" (comme la méthode de régression du log-périodogramme de Geweke et Porter-Hudak ou l'estimateur semi-paramétrique Gaussien de Robinson) qui utilisent les indices fréquentiels du périodogramme appartenant à un intervalle dégénérant (relativement doucement) vers 0 lorsque le nombre d'observations croit, la méthode étudiée repose sur un modèle valide pour l'ensemble des fréquences, d'où le nom "estimateur large bande". Cet estimateur global se base sur une estimation non-paramétrique de la composante "courte-mémoire" de la densité spectrale, obtenue par une méthode de troncation de série de Fourier. Nous montrons, que sous des hypothèses raisonnables, l'estimateur est consistant et asymptotiquement normal. Dans toutes les situations où la densité spectrale est régulière (sauf à la fréquence nulle), nous montrons que cet estimateur converge à une vitesse significativement supérieure aux estimateurs "bande étroite". Nous conclurons cet exposé en montrant les résultats de notre analyse pour diverses traces de trafic.
|
|
|
|
|
|
|
|